您好,欢迎访问北京市农林科学院 机构知识库!

基于卷积神经网络的田间麦穗检测方法研究

文献类型: 中文期刊

作者: 张合涛 1 ; 赵春江 1 ; 王传宇 2 ; 郭新宇 2 ; 李大壮 2 ; 苟文博 2 ;

作者机构: 1.西北农林科技大学信息工程学院

2.北京农业信息技术研究中心

关键词: 小麦麦穗;卷积神经网络;特征提取;特征融合;损失函数;麦穗识别检测模型

期刊名称: 麦类作物学报

ISSN:

年卷期: 2023 年 006 期

页码: 798-807

收录情况: 北大核心 ; CSCD

摘要: 为提高卷积神经网络对麦穗的识别检测精度,在YOLOv5检测模型基础上提出改进的识别检测模型YOLOv5-αTB,在特征提取网络末端部分加入Transformer模块,强化特征提取网络对小麦麦穗图像的颜色、纹理、几何等特征的提取,在特征融合部分将路径聚合网络(path aggregation network, PANet)替换成加权双向特征金字塔(bidirectional feature pyramid network, BiFPN),进一步优化多尺度特征的融合。针对边界框回归损失函数的计算方式IoU的局限性,引入了α-CIoU加强了边界框回归的效果。利用YOLOv5-αTB检测模型在测试集上得到的精确度(precision)、召回率(recall)和平均精度(average precision, AP)分别是99.95%、81.86%和88.64%,在平均精度上相比于传统的YOLOv5模型提升2.92个百分点。该模型检测统计麦穗数量对比人工计数结果,识别检测精度约为97.00%。

  • 相关文献

[1]基于卷积模型的农业问答语性特征抽取分析. 张明岳,吴华瑞,朱华吉. 2018

[2]改进YOLOv4的温室环境下草莓生育期识别方法. 龙洁花,郭文忠,林森,文朝武,张宇,赵春江. 2021

[3]一种基于高光谱图像的熟牛肉TVB-N含量预测方法. 田卫新,何丹丹,杨东,陆安祥. 2016

[4]基于深度学习与多尺度特征融合的烤烟烟叶分级方法. 鲁梦瑶,周强,姜舒文,王聪,陈栋,陈天恩. 2022

[5]基于图像处理技术的观赏菊品种识别方法研究. 翟果,李志敏,路文超,赵勇,王成. 2016

[6]应用人工智能技术进行作物形态诊断初探. 陈立平,赵春江. 2000

[7]基于多尺度分形特征的ETM+影像耕地提取. 董士伟,李宪海,李红,孙丹峰,张微微,周连第. 2011

[8]近红外光谱的苹果内部品质在线检测模型优化. 郭志明,黄文倩,陈全胜,彭彦昆,赵杰文. 2016

[9]高光谱成像技术定量可视化检测熟牛肉中挥发性盐基氮的含量. 杨东,陆安祥,王纪华. 2017

[10]基于视频的植物动画合成方法. 蒋艳娜,肖伯祥,郭新宇,杨宝祝. 2015

[11]基于线结构光视觉的穴盘苗外形参数在线测量系统研制及试验. 冯青春,刘新南,姜凯,范鹏飞,王秀. 2013

[12]基于扫描成像的作物近地高光谱获取与特征分析. 张东彦,黄文江,王纪华,杨贵军,朱大洲,刘镕源,马智宏. 2010

[13]基于机器视觉的作物多姿态害虫特征提取与分类方法. 李文勇,李明,陈梅香,钱建平,孙传恒,杜尚丰. 2014

[14]基于玉米冠层原位监测的全生育期叶色建模及其应用. 杜建军,袁杰,王传宇,郭新宇. 2017

[15]基于深度图像和BP神经网络的肉鸡体质量估测模型. 王琳,孙传恒,李文勇,吉增涛,张翔,王以忠,雷鹏,杨信廷. 2017

[16]基于数字照片特征的小麦覆盖度自动提取研究. 李存军,王纪华,刘良云,王人潮. 2004

[17]基于方向一致性特征的小麦条锈病与白粉病识别方法. 郭青,王骊雯,董方敏,聂臣巍,孙水发,王纪华. 2015

[18]利用太赫兹光谱技术构建番茄水分胁迫状态检测模型. 张晓东,段朝晖,毛罕平,高洪燕,石强,王亚飞,沈宝国,张馨. 2021

[19]基于注意力机制和多尺度残差网络的农作物病害识别. 黄林生,罗耀武,杨小冬,杨贵军,王道勇. 2021

[20]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

作者其他论文 更多>>